金融传染效应

金融传染效应（精选8篇）

金融传染效应 篇1

1.引言

所谓危机的传染, 是指—个国家的危机导致另一个国家发生危机的可能性, 它强调的是某一个国家发生危机的原因就是另一个国家发生的危机——如果另一个国家没有发生危机, 这个国家原本也不会发生危机[1]。目前已有的传染检验方法多集中在资产价格的协同运动上, 主要有资产价格的相关性分析、波动性溢出分析、发生危机的条件概率检验、协整分析等。

目前已有的传染检验方法多集中在资产价格的协同运动上, 主要有资产价格的相关性分析、波动性溢出分析、发生危机的条件概率检验、协整分析等。资产价格相关效应不能证明Massion定义的“纯粹传染”的存在;波动性溢出分析效应检验的结果可能由于内生变量的异方差的存在而受影响;发生危机的条件概率检验同样由于可能存在变量的异方差性导致结果误差的风险;协整分析则适应于长期动态效应进行研究, 不适应具有短期性、突发性特征的现代危机。

此外, 还有新闻溢出分析、极端值分析等。综观以上各种方法主要是通过方差-协方差矩阵或相关系数来分析市场相关程度, 主要目的是检验数据生成过程中参数的稳定性, 但是如果存在内生变量、忽略变量和异方差性等问题, 其参数稳定性的检验结果往往是有偏的。虽然在某些特殊情况下可以进行修正, 但其结果不具有普适性, 并且这些方法都无法再现传染的动态效应, 更无法将传染冲击的力度定量化。

2.检验方法

2.1方法介绍

鉴于传统检验方法的多种弊端, 本文提出运用向量自回归 (VAR) 系统来检验金融危机的传染效应。VAR (Vector Autoregression) 系统是Sims于1980年提出的一种新型宏观经济计量模型, 它由一组动态联立方程构造而成。与一般联立方程组模型不同, VAR系统将所考虑的经济变量纳入一个系统, 能够反映系统的完全信息。VAR系统中包含的所有变量都视为内生变量, 避免了划分内生变量和外生变量以及识别模型等复杂问题, 从而解决了以回归分析为基础的研究方法的 (潜在的) 内生性问题。在VAR系统中, 经济理论的作用仅限于选择变量和确定变量的滞后长度, 从而使经济理论对统计推断的限制减少到最低程度。VAR系统的解释变量全部都是滞后变量, 因而可以描述变量之间的动态联系。此外, VAR系统还有独特的分析功能, 如对变量之间的Granger因果关系进行检验、脉冲响应 (Impulse responses) 分析等。Granger因果检验和脉冲响应分析并不是建立在参数估计基础上的, 因此它能避免传统的基于参数估计的检验方法中的忽略变量、内生变量和异方差性等问题。正是由于VAR模型具有上述优点和功能, 所以它很适合于检验金融危机的传染效应。

对金融危机发生前后世界上几个代表性的主要股票指数之间的Granger因果关系的变化进行分析, 可以判断是否存在传染效应。如果危机前后股票指数之间不存在因果关系, 则这种情况不存在传染;如果危机前后股票指数之间存在因果关系, 则需进一步分析才能判断是否存在传染效应, 为此, 可进行脉冲响应分析。脉冲响应分析是指系统对其某一变量的一个冲击所做出的反映, 它可以动态地描述某国发生的危机对其它国家冲击的强度和冲击持续的时间, 如果一个国家的脉冲相应比其他国家的脉冲响应急剧增加, 则可以说明传染效应的存在;否则, 不存在传染效应。

2.2 Granger因果检验

对{Xt}和{Yt}两个时间序列, 依据Granger的定义, 如果相对于仅用Yt的过去值来预测Yt时, Xt的过去值能用来改进对Yt的预测。即如果Xt的过去值能统计地改进对Yt的预测, 则称Xt因果于 (Granger-causes) Yt。Granger因果检验不仅能对变量之间的长期关系进行检验, 而且也能对变量之间的短期关系进行检验。对不存在单位根的两个平稳序列, 可以定义如下方程:

undefined

检验从Xt到Yt的因果关系, 即为检验βj的零假设。

原假设H0:βj=0, j=1, 2, …, m

各择假设H1:βj≠0, ∀j, 1≤j≤m

如果接受原假设, 则不存在Xt到Yt的因果关系;反之, 则存在Xt到Yt的因果关系。

2.3脉冲响应函数

考虑一个P阶向量自回归 (VAR) 模型:

undefined

其中, Yt由内生变量组成的k维向量, Ai是系数矩阵, B是常数向量, εt是k维误差向量, 其协方差矩阵为Ω。

一般地, 如果 (2) 式是可逆的, 则它能表示成一个向量移动平均模型 (VMA) :

undefined

其中, Ψs是系数矩阵, C是常数向量, 它们可由 (2) 式中的Ai和B求出。

根据 (3) 式可以看出, 系数矩阵Ψs的第i行第j列元素表示, 变量i对由变量j产生的单位冲击的S期滞后反映, 即VAR系统中变量i对变量j的S期脉冲响应。

这里隐含了一个假设, 即误差向量εt的各分量之间不相关。但一般情况下上述假设并不成立, 也就是说向量εt不是标准的向量白噪声, Ω也不是对角阵。为此, 常做如下变换:

由于误差向量的协方差矩阵Ω是正定的, 因此存在一个非奇异阵P使得PP'=, 于是 (3) 式可以表示为:

undefined

经过变换, 原误差向量εt变成标准的向量白噪声ωt。此时, 系数矩阵ΨsP的第i行第j列元素表示, 系统中变量i对变量j的一个标准误差的正交化冲击的S期脉冲响应。

3.美国金融危机的实证研究

数据的选取:本文选取了自2006年1月至2008年10月的法国CAC指数, 英国富时100指数, 德国DAX指数, 道琼斯指数和上海上证综合指数。以周平均指数计量, 共145个观察值。本文选取了有代表性的世界主要股票指数作为分析的对象, 用股票市场指数来判断一国资本市场和另一国资本市场的关联程度, 如果在一段时间内两国股指变化有因果关系说明两国资本市场关联程度较大, 反之, 说明两国资本市场关联程度较小。

(1) 单位根检验平稳性

由Granger因果关系的定义知, 所检验的时间序列必须保证严格平稳的前提, 否则容易出现“伪回归”所以在进行Granger因果检验之前先对单位根进行检验。这里采用的是LLC的ADF单位根检验。

undefined

假设检验:H0:α=0, H1:α<0

H0假设存在单位根。如果接受原假设H0而拒绝H1, 说明序列y1存在单位根, 是非平稳的;否则说明序列yt不存在单位根, 是平稳的。

从表1的结果可以看出, 5个国家的时间序列数据均接受存在单位根的原假设, 即原序列为非平稳序列;一阶差分后继续检验, 在1%显著性水平下拒绝存在单位根的原假设, 一阶差分序列平稳。可见5个国家时间序列均为I (1) 过程, 可进一步对时间序列的一阶差分序列进行Granger因果检验。

注:*表示在1%的显著性水平下拒绝序列为非平稳的原假设, 1%的临界值为-3.476472.Level为ADF统计量, 1st为一阶差分条件下ADF统计量。

(2) Granger 格兰杰因果关系检验

undefined

使用联合假设

undefined

虚拟假设H0:X不是引起Y的格兰杰原因。

检验结果如表2:

注:因样本容量大于120所以1%、5%、10%的临界值均为1.00.

从上面Granger因果检验可以看出在10组数据中, 具有双向因果关系的有5对, 单向因果关系的有4对, 不具有因果关系的有5对。其中涉及上海上证综合指数的4组数据中只有与美国具有双向的因果关系, 与欧盟的指数具有单向的因果关系。而剩余的6组不含上证综指的数据中有4对数据具有双向因果关系, 2对数据具有单向因果关系。

具有双向因果关系的国家是:美国与德国、美国与英国、美国与中国、美国与法国、法国与德国。具有单向因果关系的国家是:英国对法国、德国对英国、德国对中国、法国对中国。

从结果中可以看出, 美国与其他四个国家都存在着资本市场的传染效应。四个国家的资本市场都与美国具有紧密的联系, 所以由次可见由美国次贷危机引起来的全球金融危机波及范围之广。

(3) 脉冲响应检验

为了进一步分析由美国次贷危机引起的全球金融危机对其他四个国家资本市场影响的深度, 本文分别对美国与其他四个国家的指数数据进行脉冲响应检验。

脉冲响应检验的结果可见附录1。

从脉冲响应检验的结果可以看出金融危机发生后, 中国受到美国资本市场的冲击相比较其他国家比较小。其他国家受到冲击后脉冲图下滑趋势较明显。

4.结论及政策建议

结论

(1) 由以上分析可见美国, 英国, 法国, 德国股指变化更具有因果关系的特征, 而中国股指变化与上述四国因果关系较弱, 说明中国资本市场与其他几国资本市场的关联程度较低。

(2) 金融危机的传染过程存在逆向反馈机制。金融市场走向危机的强烈信号及各国投资者对美国金融市场投资的直接损失和心理预期的逆转, 导致相关国家金融市场陷入危机, 并将危机信号向美国反向传递。

(3) 金融危机交叉传染导致危机程度加深。金融危机在国家间的网状交叉传染形成危机传染的恶性循环, 导致危机程度渐进加深。

(4) 从分析结果可以看出, 非接触性传染渠道在这次金融危机中发挥的重大作用。季风效应和净传染效应在其中表现的淋漓尽致。美国金融危机并没有恶化其他国家的经济基本面, 但与其金融市场具有高度相关性的德国, 英国和法国却受其影响较大, 而与资本市场没有全面开放的中国受其影响较小。

防范金融危机传染的政策建议

(1) 审慎开放资本项目, 加强外资流向监管。新兴市场的金融危机总是出现在金融自由化和较大规模的资本流人之后, 因此, 资本项目的开放要遵循审慎性、渐进性的原则。同时, 加强对外资流向的监管, 防止外资大规模的流进流出对我国造成冲击。

(2) 建立我国金融危机预警体系。金融危机爆发前, 一国经济运行会表现出一些不正常的迹象, 因此, 我们要建立适合我国国情的预警体系对潜在的金融危机及时预警, 以便采取措施来预防金融危机的发生。

摘要：20世纪90年代以来, 世界金融危机频繁爆发并表现出显著的传染性。本文以美国金融危机为例, 建立VAR模型, 对其传染效应进行实证分析, 得出在美国金融危机发生的情况下, 通过资本市场的传导, 中国相对于发达国家影响较小, 最后提出有效的危机传染防范措施。

关键词：危机传染,VAR模型,Granger检验,脉冲响应

参考文献

[1]王春峰, 康莉, 王世彤.货币危机的传染:理论与模型[J].国际金融研究, 1999, (1) :44-50.

[2]张志波等.基于VAR模型的金融危机传染效用检验方法与实证分析[J].管理工程学报, 2005, (3) :115-120.

[3]李子奈, 叶阿忠.高等计量经济学[M].北京:清华大学出版, 2000.231-234.

[4]Sebastian Edwards.Interest.Rates, Contagion and Cap-ital Control[A].NBER Working Paper.2000, No.7801.

[5]Glick R.Rose.A K.Contagion and Trade Why are Cur-rency Crises Regional?[J].Journal of InternationalMoney and Finance.1999, 18:603~617.

维特效应:传染性自杀 篇2

什么是“维特效应”?

“维特效应”这一理论最早是由美国的社会学家菲利普斯(Dave Phillips)1974年提出的。众所周知,它起源于200年前德国大文豪歌德的小说《少年维特之烦恼》。这部小说讲述的是一个青年失恋而自杀的故事。小说发表后,轰动一时,而且在整个欧洲揭起了模仿维特自杀的风潮,“维特效应”因此得名。为此,好几个国家曾一度将《少年维特之烦恼》列为禁书。

“维特效应”后来在多个领域被延伸,菲利普斯从社会学的角度出发,追踪从那时起开始一直到现代所出现的各种形式的“维特效应”。他发现对轰动性的自杀事件报道,在报道所涵盖的地区,紧接着自杀率就会有大幅度上升。因此他得出这样的结论:一些内心痛苦的人,看到别人自杀身亡的消息后,就启发了自杀念头,效仿了自杀者。这里面贯穿着一个社会认同原理,当拥有相同的工作环境、相似的人生经历的人遇到了大体相同的矛盾和困惑时,其中有人采取了自杀的形式,其他人也有可能采取同样的自杀手段来解决问题。

菲利普斯是通过对1947年到1968年之间美国自杀事件的统计得到“维特效应”证据的。他发现每次轰动性自杀新闻报道后的两个月内,自杀的平均人数比平时多了58个。因此从某种意义上来说,每一次对自杀事件的报道,都杀死了58个本来可以继续活下去的人。菲利普斯同时发现,自杀诱发自杀的现象主要发生在对自杀事件广为宣传的地区。而且,这种宣传越是广泛,随后的自杀者就越多。

自杀也有明星效应

菲利普斯对“维特效应”的研究中,最突出的一项证据是媒体报道了玛丽莲·梦露的自杀新闻之后,那一年全世界的自杀率便增长了10%。可见,明星这群生活在放大镜下的天之骄子,从言谈举止到衣食住行,一举一动都有可能被大众效仿,包括自杀。

在近几年的华人圈,人们最熟悉的明星引发的多米诺自杀事件,应该是2003年4月1日,张国荣的自杀。从当天深夜到次日凌晨的9个小时内,全香港有6名男女跳楼自杀,其中5人不治。有几名死者留下遗书,清楚写明其自杀与张国荣的自杀有关。而当月,香港一共发生了131宗自杀身亡的案件,比当年3月份增加了32%。

日本和韩国都是全球高自杀率的国家,在这两个国家的娱乐圈也能明显感觉得到。韩国明星动辄就悬梁自尽的新闻,已经多得让人麻木。但2008年10月2日,被誉为韩国“国民天后”的女星崔真实在卧室洗手间内自杀身亡,依然震惊整个韩国,甚至韩国当局也担心,鉴于崔真实在韩国的影响力,可能引发更多和她生活经历相似的人模仿自缢。而事实上对“模仿自杀事件”的疑虑也确实应验了。据统计,2008年10月自杀者为1793人,比9月的1083人增加710人(65.6%),比2007年10月(967人)增加85.4%。此外,当年11月和12月自杀人数也分别达到1288人和1118人,同比分别增加了53.3%和46.7%。一起明星自杀事件,韩国一个月内的自杀人数就激增了6成,明星自杀效应的威力可见一斑。

明星一直被要求树立公众榜样,引导正确的行为导向。但自杀者已让人唏嘘,举这些例子,只是验证了“维特效应”的源头若是名人,影响力度会更大。

“维特效应”不需要惩戒,需要治疗

自杀在基督教国家被视为懦弱、胆怯、不负责任的行为,严格说来是一种罪。在中世纪的欧洲,自杀甚至要被判处为谋杀罪,尸体要受到残酷的对待,自杀者的财产也要被没收。英国的法律规定,自杀者的尸体必须埋在十字路口,尸体的脸上要压上石头,再用一根尖木桩穿过尸体,钉在土里,在木桩上书写自杀者的姓名与罪恶。以此来警告行人不要有犯此罪的念头。而当时法国的法律也规定,发现自杀死者的尸体,要将尸体倒拖过城市街道进行示众后,再挂到绞架上示众。这都是因为在中世纪自杀被看作是受到魔鬼引诱的结果。自杀属于不吉利的死亡,是基督教认为的魔鬼和邪恶力量在作崇。惩罚自杀者的尸体,其用意既在于驱魔除怪,又在于警戒世人。

如今的文明社会,早已不存在严格的宗教惩罚,对自杀者更多的是怜悯之情。但如何控制“维特效应”,却是人们该思考的问题。在如今这个媒体高度发达、信息革命的时代,我们能更好控制的,或许是消息传播的方式及舆论的引导。从心理学角度分析,自杀事件的过度渲染,对一些有自杀倾向的人来说是危险暗示。特别是对有相似处境的人群影响更大。社会认同原则得到的是种病态的展示。因此,媒体的职责在于正确、如实报道,不夸大不隐瞒。但一窝蜂地为追求新闻价值而过度渲染自杀事件,只会引发多米诺骨牌效应,也就是“维特效应”。

我们并不缺乏对那些负面社会事件的了解和原因剖析,但我们缺乏的是一种人文传播精神,即对那些相似处境,同样有心理危机人们的关注。我们满足了传播中的知晓性,但也应满足传播中的人文关怀和负责任的引导。再好的心理医生也无法预测谁有自杀倾向,更无法解决每个人的心理问题。媒体在“维特效应”事件上,除了作为真相的传播者以外,或许还能充当大众心理医生的角色,利用手中的话语权,为大众传播正确的人生观。

人类十大心理效应

罗密欧与朱丽叶效应

又叫禁果效应。心理学的一种人际交往效应。指有好感的异性间,受到的外界干涉越多,他们的感情就会越深。

从众心理

指个人受到外界人群行为的影响,而在自己的知觉、判断、认识上表现出符合于公众舆论或多数人的行为方式。

晕轮效应

是指在人际相互作用过程中形成的一种夸大的社会印象,正如日月的光辉,在云雾的作用下扩大到四周,形成一种光环。

马太效应

是指好的越好,坏的越坏,多的越多,少的越少的一种现象。马太效应在经济、教育、股市等领域都起着很重要的作用,也是研究宏观经济需要考虑的现象。

安慰剂效应

指病人虽然获得无效的治疗,但却“预料”或“相信”治疗有效,而让病患症状得到舒缓的现象。

期望效应

期望对于人的行为的巨大影响。积极的期望促使人们向好的方向发展,消极的期望则使人向坏的方向发展。

霍桑效应

由于受到额外的关注而引起绩效或努力上升的情况,也就是所谓的“宣泄效应”。

维特效应

源自德国著名作家歌德所著《少年维特之烦恼》,1774年出版后,很多人效仿主人公维特自杀,“维特效应”因此得名。

刻板效应

是指对某人或某一类人产生的一种比较固定的、类化的看法。

破窗效应

金融传染效应 篇3

一个企业的声誉不仅受其自身行为的影响,而且受其他相关企业声誉的影响。这种声誉的溢出已经跨越了企业的边界。比如2008 年三鹿集团三聚氰胺事件最终导致其走向破产,而且使中国奶制品企业普遍受到人们质疑。在这里,我们把实际发生声誉危机的企业称为发讯企业( messenger company) ,把被影响到的企业称为受讯企业( receiver company)[1]。在上述例子中,三鹿可被视为发讯企业,中国其他奶制品企业可被视为受讯企业。本文将受讯企业与发讯企业同方向的声誉影响称为声誉传染效应,将受讯企业与发讯企业反方向的声誉影响称为声誉竞争效应[2]。危机事件对同行业企业的声誉影响可能是传染效应也可能是竞争效应。

现有文献中关于溢出效应的相关研究主要有以下三个发展方向: 一是FDI的溢出效应,二是资本市场的溢出效应,三是信任市场的溢出效应。FDI的溢出效应的研究主要在技术差距、市场环境、子公司与当地厂商的关系,其中与技术差距有关的溢出效应属于示范———模仿———传播型,受市场环境、MNC子公司与当地厂商相互影响的溢出效应属竞争型。资本市场溢出效应认为事件的经济后果一般分为竞争效应和传染效应,竞争效应反映投资者对受训企业的质疑[2],传染效应反映客户需求转移带来的财富重新分配。目前支持传染效应的文献居多,而支持竞争效应的文献数据少些。信任市场溢出效应的研究主要在企业社会责任、产品广告名人效应、供应链信任。费显政等( 2010) 指出企业社会责任溢出具有 “一荣俱荣,一损俱损” 的传染效应[1]; 何浏等( 2011) 指出明星代言产品会给该产品带来正的市场效应,同一款产品由不同明星代言,则不同明星代言产生效应会叠加[3]。由于信任风险传染效应的存在,粱钟元( 2012) 验证了供应链中信任风险传染效应的存在。

尽管关于溢出效应的研究已很有成就,但是关于声誉溢出效应的研究却并不多。Barnett和Hoffman ( 2008) 指出企业声誉不仅受该企业自身的行为的影响,还受其他企业行为的影响,即企业间声誉具有相互依赖性[4]。一个企业受危机事件影响所引起的声誉变化可能会超越其公司边界而影响到行业中其他企业[5],并且这种影响受该企业自身的显著性及事件发生的频率和企业间竞争程度的影响[6]。因此,本文根据已有研究,重点考察声誉危机的溢出效应,并且探讨行业中受讯企业的特征如何受这些效应的影响。

二、理论基础与研究假设

本文以制度理论和资源基础观为理论基础来解释声誉危机溢出效应。制度理论认为组织通过形成相似的结构和进行相似的活动来维持其在一个群体中的重要身份[7]。在一个领域中共同的认知价值观有助于塑造组织行为[8],这些行为反过来会影响组织声誉。制度理论还认为一个企业的声誉受其所在行业的企业共同遵守的合法性标准的影响很大。从这一点来看,当发讯企业的声誉受到破坏时,这种声誉破坏会影响到与发讯企业有共同领域层企业的合法性( field - level legitimacy) 。同时,资源基础观认为企业的竞争优势来自其有价值的,即独特的和稀缺的资源[9]。在资源基础观看来,声誉就是企业的一项无形资产。Barnett指出“竞争优势源于独特性,而独特性由声誉来测量”[9]。和制度理论强调企业领域层合法性不同,资源基础观强调的是企业公司层的合法性( firm -level legitimacy) 。当利益相关者给A企业的评价高于其他企业时,那么A企业相对于其他企业就具有声誉的优势,如果其他企业加强自身的声誉,就会减小这种声誉差距,进而减弱A所具有的竞争优势。换句话说,企业的声誉受其他企业声誉的影响。基于以上分析,可以看出这两个理论都强调竞争与合作的内在联系[10],并且为理解组织声誉动态性和组织领域合法性提供了奠定性的基础[6]。

基于以上两种理论,本文选择食品行业中几起食品安全事件为研究对象,来研究声誉危机的溢出效应。与本文较相近的一篇实证分析文章是Goins和Gruca ( 2008)[6]针对企业裁员事件,通过验证受讯企业累计异常收益率与发讯企业累计异常收益率之间的关系来说明声誉危机的溢出效应。本文基于其研究方法,并在此基础上讨论企业行业地位显著性和企业专业性对声誉危机溢出效应的影响。

( 一) 传染效应和竞争效应

我们将企业声誉定义为各个利益相关者对企业自身特点和企业以其资源创造价值的能力的一种综合评价[8]。当一个企业发生食品安全危机事件,这个事件不仅预示着该企业的一些信息,还预示着影响其他企业价值的经济条件和环境条件的信息,利益相关者会根据这些信息来重新判断与自己相关的企业。因此,食品安全危机事件的信息传播就会超越发讯企业的边界影响到行业中的其他企业。这种信息传播对企业间声誉的影响会同时存在两个相反的方面———积极的和消极的。一方面,由于这些资源的稀缺性,同一行业的企业必须通过竞争来获取人才和投资者[11]。当竞争占主导地位,发讯企业的声誉受到负面影响时,竞争对手就具有相对优势来获得稀缺资源,从中得到益处,这就是竞争效应。在2008 年的三鹿奶粉事件中,而三元奶粉因没有测出含三聚氰胺的奶粉而获得发展机会,目前已经成为一家大型的食品加工公司。另一方面,由于资源的相似性,同一行业的企业面临相同的技术环境和制度环境,这种共享的环境给声誉效应的传播提供了另一种机制。前面我们提到,利益相关者会根据行业信息对企业做出评价。而危机事件带来的不确定性和模糊性会改变利益相关者对与其相关企业原有的评价,当利益相关者再次对企业做出评价时,就会根据企业间的相似性来做出判断,这样发讯企业的声誉危机就给行业中其他企业带来消极影响,使行业中的其他企业同样面临声誉危机,这就是传染效应。比如,2008 年三鹿奶粉事件引发的中国食品行业产品质量信任危机,使乳制品行业陷入生产、销售困境。所以,信息传播带来的这两种截然不同的效应将发展成竞争效应和传染效应[12]。因此,本文提出假设1。

假设H1a: 发讯企业声誉危机事件的信息传播将给受讯企业带来传染效应。

假设H1b: 发讯企业声誉危机事件的信息传播将给受讯企业带来竞争效应。

( 二) 受讯企业显著性的调节作用

市场会自发的分出领导者和追随者。领导力和显著性有很多种测量的方式,规模大的企业经常被视为市场领导者[13]。换句话说市场领导者往往在行业中具有显著性地位,这种显著性使企业与更多的利益相关者有关联。当行业发生危机事件时,利益相关者,特别是有实权的利益相关者,会影响市场经济的游戏规则,甚至通过要求政府干预来保护自身的利益,从而使显著性企业免受风险的影响。由此,地位显著性强的企业相对于其他企业来说,会多一层保护。此外,显著性强的企业往往具有雄厚的资金,在遇到危机事件时,更具有战斗力,从而使其有能力脱离危机。比如,在360 和腾讯大战中,腾讯企业以其显著的行业地位以及雄厚的资金支持,最终获得这场漫长 “战争”的胜利。

由于危机事件的传染效应给其他企业带来消极的影响,而企业显著性地位对企业有保护作用,所以受讯企业行业地位的显著性会减弱这种传染效应。同理,由于危机事件的竞争效应给其他企业带来积极的影响,所以受讯企业行业地位的显著性会增强这种竞争效益。因此,我们提出假设2。

假设H2a: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是传染效应,那么这种效应随受讯企业行业地位显著性的提高而减弱。

假设H2b: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是竞争效应,那么这种效应随受讯企业行业地位显著性的提高而增强。

( 三) 受讯企业专业性的调节作用

最近一些研究指出组织身份与其是专业性的还是综合性的有关。如Carroll和Swaminathan( 2000)[14]研究发现,即使在综合型啤酒酿造商提高所生产啤酒的质量后,专业性啤酒酿造商依然能保持成功。Zuckerman和Kim ( 2003)[15]指出在类别系统的企业中,追求专业化是最重要的战略。专业化的形象可以提高企业在其专业领域的权威,使利益相关者认为其在此领域更专业。在中国,当提到冰箱时,人们首先想到的是海尔,当冰箱市场出现危机时,会有更多的消费者选择海尔。因为海尔冰箱已经成为一种品牌,当市场出现不确定性事件时,人们更愿意选择专业性强的海尔。

以上分析表明专业化将有利于企业的声誉,企业专业性会保护企业免受负面信息传播的影响。所以当发生传染效应时,受讯企业的专业化程度强,会减弱这种传染效应; 当发生竞争效应时,受讯企业的专业化程度强,会进一步加强这种竞争效应。因此,我们提出假设3。

假设H3a: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是传染效应,那么这种效应随受讯企业专业化程度的增强而减弱。

假设H3b: 如果发讯企业声誉危机事件的信息传播将给受讯企业带来的是竞争效应,那么这种效应随受讯企业专业化程度的增强而增强。

三、研究方法

( 一) 研究方法和样本选取

本文采用事件研究法。事件研究法是一种利用上市公司股票价格的波动来研究某事件所带来的影响。其最重要的是选择两个事件窗口期,确定一个估计期,计算异常收益率( Abnormal returns,简称AR) 和累计异常收益率( Cumulated abnormal returns,简称CAR) 。

Goins和Gruca ( 2008)[6]选择1 天窗口( - 1,1) 和10 天窗口( - 5,5) 作为两个事件窗口期,1 天窗口可以使我们获得及时效应,而10 天窗口保证在窗口期内既能放宽市场高效率的假设,又能排除其他的竞争事件。本文采纳他们的方法,选择1 天窗口( - 1,1) 和10 天窗口( - 5,5) 作为两个事件窗口期,同时由于估计窗口期和事件窗口期不能交叉,所以本文选择事件发生日的前70 天至前6 天为估计窗口期。首先将估计窗口期的收益率进行回归得出市场模型( 1) ,再运用市场模型计算出事件窗口期正常的期望收益率。

其中,Rmt为第t日市场收益率,在本文中,对于深证交易所的上市企业,本文运用深证综合指数收益率,对于上证交易所的上市企业,本文运用上证综合指数收益率; Rit为股票i在第t日的实际收益率; εit表示随机误差项。

异常收益率是事件窗口期实际收益率和期望收益率的差,如公式( 2) 所示:

其中,ARit是股票i在事件窗口期第t日的异常收益率,Rit是股票i在事件窗口期第t日的实际收益率,E( Rit) 是股票i在事件窗口期第t日的期望收益率。

累计异常收益率是事件窗口期内每天异常收益率的和,如公式( 3) 所示:

由于并非事件窗口期内每天的异常收益率都可以得到,所以为了保持一致性,本文用平均累计异常收益率来代替异常收益率指标。平均累计异常收益率是累计异常收益率除以N ,如公式( 4) 所示:

其中,CARi( t1,t2) 为股票i在事件窗口期第t1天到第t2天的累计异常收益率,N表示天数,表示股票i在事件窗口期第t1天到第t2天的平均累计异常收益率。

本文以2000 - 2014 年的所有食品安全事件来分析,通过整理新闻报道,并且剔除非上市公司食品安全事件和非大陆上市公司食品安全事件,最终选取7 件上市公司食品安全事件: 2007 年11 月1 日的五粮液幸运星糖精超标事件,2011 年3 月15 日的双汇瘦肉精事件,2012 年6 月14 日的伊利奶粉含汞门事件,2012 年8 月24 日古井贡酒酒精勾兑事件,2012 年9 月7 日的光明牛奶变质门事件,2012 年11 月19 日酒鬼酒 “塑化剂” 事件,2013 年7 月21 日的南山奶粉事件。本文通过主营业务相同或相似来确定相关企业,其中与宜宾五粮液股份有限公司相关的企业有21 个,与双汇集团相关的企业有22 个,与伊利集团相关的企业有11 个,与古井贡酒有关的企业有21 个,与光明集团有关的企业有11 个,与酒中酒集团有关的企业有21 个,与南山奶粉有关的企业有11 个,最终获得118 个上市公司的数据,这118 个上市公司数据全部来自上证交易所和深圳交易所。原始数据来源于CSMAR ( 国泰安) 数据库。

( 二) 研究变量的设定与测量

1. 自变量: 发讯企业的平均累计异常收益率( messenger company’s average cumulated abnormal returns,简称MACAR) 。Goins和Gruca[6]用裁员企业的累计异常收益率作为自变量来研究裁员企业的裁员事件对为裁员企业的声誉影响,本文采纳其方法选择发讯企业的ACAR为自变量来研究发讯企业的声誉危机对受讯企业声誉的影响。

2. 因变量: 受讯企业的平均累计异常收益率( receiver company’s average cumulated abnormal ruturns,简称RACAR) 。在事件研究法中,将异常收益率作为因变量来研究声誉已经得到运用,并且Goins和Gruca在2008 年时候运用为裁员企业的累计异常收益率作为因变量,本文采纳其方法选择受讯企业的ACAR作为因变量。

3. 调节变量:( 1 ) 受讯企业的显著性( receiver company’ s prominence,简称RP) 。对于受讯企业的显著性,本文用企业规模来衡量,因为企业的规模越大,该企业在行业中的地位越是显著。对于企业规模的衡量,本文根据以往的研究,用企业员工数来衡量企业规模,即企业的显著性。企业员工数量越多,该企业的显著性越强。 ( 2) 受讯企业的专业性( receiver company’s specialism,简称RS) 。Dobrev et al. ( 2002) 曾用给定年限所生产的所有汽车模型机器容量的范围来测量专业化。本文采纳Dobrev et al. 的方法,本文选择企业在给定年限生产的产品和服务所跨的行业来衡量食品制造企业专业性。一个企业的所跨行业意味着该企业的市场范围和企业的竞争战略,因为经营范围直接影响企业的市场和产品的品质。专业性企业所跨的行业通常比一般化企业要少,因此某食品制造企业所跨的行业越少,该企业的专业性越强。

4. 控制变量: ( 1 ) 发讯企业的显著性( messenger company’ s prominence,简称MP) 。Tyersky和Kahneman在1974 年指出组织在网络中的中心地位会增强信息的传播,进而使公众对信息更熟悉。Tieying Yu ( 2008) 也曾指出组织在网络中所处的地位会对其他企业有影响。基于以上结论,本文选择发讯企业的显著性为控制变量。其测量方法与受讯企业显著性一样,同样用企业人员数量来测量。 ( 2) 总资产净利润率ROA。众所周知,企业的前期盈利能力会影响企业的股票价格,所以本文将受讯企业的ROA作为控制变量。用ROA来表示受讯企业的前期盈利能力,ROA越高,说明企业的前期盈利性越好。本文用受讯企业前三个季度的ROA的平均值来表示其前期盈利能力。( 3) 受讯企业总资产( receiver company’ s total asset,简称RTS) 。企业的总资产会影响股票的价格,进而影响股票收益率。所以本文选择受讯企业的总资产作为控制变量,并且以受讯企业前三个季度的总资产的平均值来衡量。 ( 4) 受讯企业的股权集中度,用OC表示。杨兴锐在2014 年指出,股权集中度会影响累计异常收益率。所以本文选择股权集中度为控制变量,并且用事件发生日前一期的前五大股东持股比例来衡量。 ( 5) 受讯企业的国家所有制,用SO表示。杨兴锐( 2014) 在其论文中指出,国家所有制形式会影响累计异常收益率,所以本文选择国家所有制为控制变量。国企取值为1,民企取值为0。 ( 6) 事件发生次数,用Times表示。Goins和Gruca[6]指出,裁员事件发生的次数会影响声誉的溢出效应,所以本文将事件发生次数作为控制变量。本文用自2000 年到事件发生日之间的事件发生次数来衡量。

表1 为本文所选取变量的指标定义。

注: N = 118,图表中所列数值为变量间的相关系数。***p < 0. 01,**p < 0. 05,* p < 0. 1,双尾检验。

( 三) 模型设计

基于以上假设和变量定义,本文的模型设计如下:

在方程中,RACARi表示受讯企业的平均累计异常收益率,其中i = 1,5 ; MACARi表示发讯企业的平均累计异常收益率,其中i = 1,5 ; RP表示受讯企业的规模,RS表示受讯企业的专业性,MP表示发讯企业的规模,ROA表示受讯企业前期总资产利润率,RTS表示受讯企业总资产,OC表示受讯企业的股权集中度,SO表示受讯企业的国家所有制,Times表示事件发生次数; βi表示待估回归系数,其中i = 1,2,…,11 ; ε 是随机项。

四、实证分析

本文运用统计软件stata12. 0 对样本数据进行各变量的描述性统计分析、变量间的相关性分析,通过OLS回归分析对假设进行检验。

表2 是所有变量的描述性统计和相关系数矩阵,从中可以看出所有因变量、自变量、调节变量和控制变量的相关系数均小于0. 700,说明各变量间的多重共线性并不严重。为了进一步诊断模型的多重共线性,我们对其进行了方差膨胀因子( VIF) 分析,结果显示,VIF的最高值为5. 143,小于其基准值10,因此可以判断该模型不存在多重共线性问题。Pearson相关系数显示,因变量受讯企业CAR1与自变量受讯企业CAR1呈现显著负相关关系,因变量受讯企业CAR5与自变量受讯企业CAR5呈正相关关系,但是显著性很弱。因变量受讯企业CAR1与控制变量受讯企业总资产,受讯企业所有制形式,受讯企业ROA及事件发生次数呈现正相关,与控制变量受讯企业股权集中度,发讯企业的显著性呈负相关。因变量受讯企业CAR5与控制变量受讯企业总资产,受讯企业股权集中度及事件发生次数呈正相关,与控制变量受讯企业所有制形式,发讯企业显著性以及受讯企业的ROA呈负相关。因变量受讯企业CAR1与调节变量受讯企业的显著性呈正相关且显著,与调节变量受讯企业的专业性呈负相关且显著。因变量受讯企业CAR5与调节变量呈正相关,但是不显著。回归分析的结果在表3 列出。

注: N = 118,图表中所列数值为回归系数,括号内为标准误。***p < 0. 01,**p < 0. 05,*p < 0. 1,双尾检验。

表3 为( - 1,1) 天窗口期回归模型。模型1是对控制变量的检验,模型2 是对假设1 的检验,模型3 和模型4 是对假设2 的检验,模型5 和模型6 是对假设3 的检验。从表中看出, ( - 1,1 ) 天窗口期的总模型匹配是显著的。其中,模型1 的F值( 3. 17) 在99% 的水平上显著,模型2 - 模型6的F值在95% 的水平上显著。从表中可以看出,模型1 - 模型6 的R2均在20% 左右,调整后的R2均在20% 以下。从模型1 中可以看出,受讯企业ROA与因变量受讯企业ACAR1呈正相关,但不显著。但是在加入自变量和调节变量后,受讯企业ROA与因变量受讯企业ACAR1呈现负相关,并且显著,所以控制受讯企业ROA这个变量是很有必要的。控制变量受讯企业所有制形式,发讯企业的显著性,事件发生次数在6 个模型中都显著正相关。这可能是由于企业所有制形式会部分影响企业的效率,国企的效率相对于民企来说可能会稍微低一些,同时发讯企业的显著性和规模会影响整个事件的发展,利益相关者对食品安全事件越来越关注。从模型2 中,可以看出主效应呈现显著负相关( β = - 0. 250,p < 0. 05) ,即当发讯企业声誉变差时,受讯企业的声誉是变好的,由此假设H1b得到验证,假设H1a在本模型中不能得到解释。模型4 是加入交互项发讯企业ACAR1× 受讯企业的显著性之后的结果,可以看到受讯企业的显著性会增强声誉溢出的竞争效应( β = - 0. 261,p < 0. 05) ,因此假设H2b得到验证,但是没有理由支持假设H2a。模型6 是加入交互项发讯企业ACAR1× 受讯企业的专业性之后的结果,在此受讯企业的专业性的调节作用并未得到验证( β =0. 074,p > 0. 1) ,所以假设3 并未得到支持。

注: N = 118,图表中所列数值为回归系数,括号内为标准误。***p < 0. 01,**p < 0. 05,*p < 0. 1,双尾检验。

表4 为( - 5,5) 天窗口期回归模型。模型1是对控制变量的检验,模型2 是对假设1 的检验,模型3 和模型4 是对假设2 的检验,模型5 和模型6 是对假设3 的检验。模型1 的F值( 3. 42 ) 在99% 的水平上显著,模型2 - 模型6 的F值均在95% 的水平上显著,可以看出( - 5,5 ) 天窗口期的总模型匹配是显著的。模型1 - 模型6 的R2均在25% 左右,调整后的R2均在20% 以下。从模型2 中可以看出, ( - 5,5) 天窗口同样验证了假设H1b,即声誉危机溢出效应是竞争效应。模型4 中交互项发讯企业ACAR5× 受讯企业的显著性的系数不显著( β = - 0. 225,p > 0. 1) ,说明假设H2b未被得到验证。模型6 中交互项发讯企业ACAR5× 受讯企业的专业性的系数显著( β = 0. 250,p <0. 05) ,说明受讯企业的专业性会加强声誉溢出的竞争效应,从而假设H3b得到验证。模型4 和模型6 的结果与( - 1,1) 天窗口期的结果不同,可能是由于危机信息在传播的过程中从模糊逐渐走向明朗的原因。随着危机事件的澄清,利益相关者最终会更加信赖专业性强的企业。

五、讨论与展望

本文证明了利益相关者对企业声誉的评价受行业中其他企业行为及利益相关者对这些行为解释的影响,得出声誉危机的溢出效应是竞争效应的结论: 在1 天窗口期内,受讯企业的显著性即受讯企业的规模的提高会增强其所受的竞争效应;在( - 10,10) 窗口期内,受讯企业专业性会增强这种竞争效应。本文的结论与Goins和Gruca得出的结论相悖,这可能是由于食品制造业这个行业的特殊性。第一,食品安全与人类健康息息相关,所以利益相关者们对这个行业的关注度非常高,一旦某一企业发生食品危机,利益相关者们对这个企业的信任将很快瓦解,转而寻求与其类似的企业产品或是替代品。第二,人们对食品的需求是刚性的,即使出现食品危机,人们也会消费这种食品。这样一个企业的声誉危机就给行业中的其他企业带来机会。而且,由于 “马太效应” 的存在( 人们倾向于选择规模大的企业即人们会认为规模越大越好的企业越能够生产好产品,当出现危机事件时,人们在心理上会更相信规模大的企业) ,使得行业地位显著性高的企业拥有更大的优势。

本文也存在一些缺陷。其一,本文的观测样本数据很少。虽然最近几年在我国出现过很多次食品安全事件,但由于很多都不是上市公司,所以本文无法对其进行研究。其二,本文选取的事件,大多是非系统性的事件,所以它不能显示出系统性事件在不同的窗口期会有怎样的效应。在以后的研究中,我们可以把危机分为系统性危机和非系统性危机来研究其传染效应和感染效应。

尽管存在以上的缺陷,但本文依然对理解组织领域声誉的动态性有理论意义。企业在对外部利益相关者资源竞争的同时又要保持自身的声誉,这种情形给组织领域成员创造了一种二元现象。行业竞争者不仅在要素市场和产品市场竞争,而且由于企业间的相互依赖性,在金融市场上会共享信息。一个企业的行为会对外界发出信号,各个企业的利益相关者通过这些信号来评价企业的价值。因此,在利益相关者看来,危机事件对企业声誉的影响,不仅仅局限于企业自身,而且会影响到其他企业。本文探讨了企业外部环境中的意外事故对组织声誉动态性的影响,增强了将企业外部环境中意外事故纳入声誉实证研究的重要性。本文通过制度理论和资源基础观的视角,探讨了合作和竞争这两种力量是怎样协调作用于企业产出的。这两种力量随着时间的推移会起到不同的作用。Barnett在2006 年理论上指出组织在竞争时期和合作时期行为的转变。

本文对管理者也有一定的启示。以往一直以为组织声誉来自组织内部管理控制,但利益相关者对企业声誉的评价并不仅仅只受管理控制的影响,同时受行业中其他企业行为的影响,这就要求管理者要能够敏锐地意识到竞争者的行为。当发生突发事件时,受讯企业要能够迅速作出反应,提供证据证明其与发讯企业的不同之处,从而免受危机事件对其的影响或减轻危机事件对其的影响。

摘要：本文从食品制造企业行业地位显著性和企业专业性两方面对危机事件的声誉溢出效应进行探讨,证实了声誉危机的溢出效应表现为竞争效应,具体而言,在(-1,1)窗口期内,受讯企业地位显著性越强,声誉危机的竞争效应越强;在(-10,10)窗口期内,受讯企业专业性越强,声誉危机的竞争效应越强。

金融传染效应 篇4

样本选择和数据来源

1.样本选择

笔者选取2008~2010年所有针对已发布年报而发布重述公告的制造业上市公司, 按其具体的行业分类和规模选取了对手公司。样本选择的具体标准是:

(1) 行业。按照证监会所公布的制造业细分行业划分标准, 来选取制造业细分行业中的竞争对手公司。

(2) 规模。选取未发生重述的同行业公司资产总数占发生重述公司总资产的20%幅度内为对手公司。

2.数据来源

本文选取的重述公告从巨潮资讯网上下载得到。根据国泰安金融数据库制造业细分行业分类, 选取出发布重述公告的制造业上市公司。为了计算股票超额收益所需要的相关数据来源于国泰安金融数据库。

研究假设

行业传递效应, 是指同行业其他未发生重要事项的公司随发生重要事项的公司的股价波动而变化。财务重述的公布不仅仅揭示了本公司的个别情况, 也揭示了整个行业存在类似问题的可能性。由于危机的暴露不仅使得投资者对本公司的真实情况产生怀疑, 也使得投资者对同行业未发生危机公司的真实价值产生怀疑。因此, 重述公告的发布, 不仅对公司本身产生重大影响, 而且对整个行业的公司都会有重大的影响。

传递效应分为两种形式, 一种是传染效应, 即行业内一家公司发生重大事项, 会导致同行业中其他未发生重大事项的公司受到波及, 表现为股价的降低;另一种是竞争效应, 即行业内一家公司发生重大事项, 会使同行业未发生重大事项的公司获益, 表现为股价的上升。这两种形式在财务重述问题上也有着相同的情形:若重述的内容是整个行业所存在的共同问题, 那么, 会导致同行业中未发生重述的公司受到波及, 其股价会出现下降的可能, 表现为传染效应;如果重述的内容只是针对重述公司本身的问题, 对其他未发生重述的公司就是一种有利的消息, 其股价会出现上升的可能, 表现为竞争效应。

笔者认为, 重述会使其他未发生重述的公司股价下跌, 发生的传递效应表现为传染效应。这是因为, 如果行业中某一个公司对外发布了财务重述公告, 投资者会对同行业中那些在经营模式具有很大相似性的其他公司的财务状况产生同样的怀疑, 而未发生重述的公司股价也会因此而发生变动。不仅如此, 发生财务重述的公司, 其供应链上下游的企业也会因此重新考虑整个行业的投资决策。例如, 一家公司发生财务重述, 其供应链上游供货商会对整个行业的经营状况产生怀疑, 对那些未发生重述公司的供货行为也更加谨慎;其供应链下游主要由顾客组成, 这些顾客也会根据重述公司所在整个行业需求弹性的大小, 从而决定是停止消费, 还是减少消费价格。陈晓敏 (2011) 通过实证得出:重述公司和行业的CAR呈同方向的相关变化, 在我国财务重述存在信息传递效应, 会给公司本身带来负面的市场反应, 也给其所处的行业带来负面效应。

基于以上分析, 我们可合理地认为, 财务重述会导致投资者对整个行业的信任度下降, 投资者的投资行为也会因此而发生变化, 主要表现为致使同行业中未发生财务重述的公司股票价格回落。由此笔者提出:

假设:财务重述的发生, 会引起同行业中未发生重述公司的股价下跌, 即发生了传染效应。

研究方法

笔者借鉴事件研究法, 对财务重述的传染效应进行研究分析。在分析受到传染效应大小的影响因素中, 采用统计学中多元回归的分析方法。由于多元回归分析方法比较常见, 对此方法也有较全面的理解, 因此, 本文主要针对事件研究法的研究步骤进行探讨。

1.事件研究法

事件研究法, 是在承认有效市场假说的前提下, 认为某个特定事件在市场上的影响会反应在股票的价格上, 通过较短时间内股票的价格, 来预测某个特定事件未来的经济影响。事件研究法在会计、金融等领域是常见的一种研究特定事件对公司股价影响的方法, 通过股价异常变动而产生的异常报酬率, 来探究这一特定事件与股价的关联程度。

2.研究的具体步骤

一般事件研究法需经过的步骤如图1所示。

(1) 确定事件及事件日。在研究财务重述公告的传染效应时, 事件就是指财务重述对外公布的行为。在研究财务重述公告的传染效应时, 事件日就是指财务重述对外公布的日期。

(2) 确定事件窗、估计期。事件窗, 是指某个特定事件在事件日前后的时间跨度。确定合适的事件窗, 可以比较准确地把握重述这一特定事件对于股票价格的影响程度。在以往的实证研究中, 研究日报酬率时, 事件窗通常为事件日前后2天至事件日的前后120天;研究月报酬率时, 事件窗通常为事件日前后12个月至事件日前后24个月。估计期, 是指在某一特定事件的事件日发生之前的时期, 目的是为了预测该事件如果不发生, 股票的收益率会如何变化。在通常情况下, 事件窗前一段时间就是估计期, 为了不影响估计正常收益模型, 估计期要刨除事件期间。估计期同事件窗一样, 确定合适的估计期, 对事件的预测能力有极其重要的作用。在以往的实证研究中, 研究日报酬率时, 估计期通常为事件窗前100天至事件窗前300天。

笔者所研究的事件是财务重述公告, 事件日t=0点为财务重述公告对外公布的日期, 若公司在节假日对外公布了重述公告, 事件日t=0点就为节假日结束后第一个交易日。借鉴国内外运用事件研究法的窗口长度, 笔者对财务重述这一事件的窗口期确定为财务重述公告日前后10个交易日。即事件窗为 (-10, 10) , 估计期为 (-110, -11) 。

3.计算正常收益、超额收益和累计超额收益

计算正常收益的模型采用市场模型, 即:Rit=αi+βiRmt (1)

计算超额收益和累计超额收益的具体步骤如下:

(1) 个股的日收益率为:Rit=Pit÷Pi (t-1) -1 (2)

式中, Rit为第i个样本公司在第t天的实际收益率;Pit为第i个样本公司在第t天的收盘价;Pi (t-1) 为第i个样本公司在第t-1天的收盘价。

(2) 估计样本公司的α值和β值。采用下面的线性回归模型来估计α值和β值。

式中, Rit为第i个样本公司在第t天的实际收益率;Rmt为市场在第t天的实际收益率。

(3) 计算事件窗内每日的超额收益率。计算公式为:

式中, ARit为第i个样本公司在第t天的超额收益率;Rit为第i个样本公司在第t天的实际收益率;Rmt为市场在第t天的实际收益率;αi和βi是上一步中估测的值。

(4) 计算以下统计量:

整个样本中N种股票在t时刻的平均超额收益率:

单个样本在 (t1, t2) 的累计超额收益率:

整个样本的累计平均超额收益率:

4.利用T检验来验证某一特定日期内的超额累进收益率是否显著异于零

进行单样本T检验对CAR进行检验, 如果超额收益为0, 就代表所研究事件对股票价格没有影响;如果超额收益不为0, 则表明该事件导致股价的大幅度变化。

5.实证结果分析

若实证结果比较理想, 则代表事件在实证上具有一定的研究意义;若实证结果不理想, 就要从数据和模型上考量不恰当的地方, 并给出合理的解释。

传染效应的检验结果

1.重述公告日事件窗内对手公司的平均超额收益率走势

重述公告日事件窗内对手公司的平均超额收益率AAR走势如图2所示。

从图2中可看出, 在事件窗 (-10, 10) 期间内, AAR的走势无特定规律, 呈上下波动状态, 有12个时点的AAR都为负值, 只有8个时点上的AAR大于0。说明重述公告日前后10个窗口期内AAR的值都比较小。

2.对手公司在重述公告日前后事件窗内的累计平均超额收益率

对手公司在重述公告日前后事件窗内的累计平均超额收益率CAR如图3所示。

从图3中可看出, 在事件窗 (-10, 10) 期间内, CAR整体呈下降的趋势, 并且CAR的值越来越小。在公告日前的第10个交易日CAR是正值, 然后开始逐渐下降。在公告日前的第4个交易日CAR有小幅度上涨, 在公告日前的第2个交易日CAR又开始下跌, 并保持下降的趋势。在公告日后的第3个交易日和第4个交易日, CAR有小幅度上升的趋势, 在公告日后的第5个交易日开始, CAR下降的势头更加强劲。在公告日后的第6个交易日, CAR开始虽然有小幅度上升。但总体仍然呈下降趋势。在公告日后的第7个交易日开始, CAR继续下降。总体上看, CAR虽然在某些交易日有所上升, 但总体上还是下降的趋势较明显。

从图2和图3可看出, 公司股票价格的变化, 会随同行业中公司发布的重述行为而变化。这种变化表现为负面的市场反应, 即为股价的下降, 这意味着财务重述公告具有显著的行业传递效应, 这种效应的实际表现不是竞争效应而是传染效应。

3.财务重述行为的传染效应检验

为了验证财务重述公告是否会存在传染效应, 利用SPSS17.0中单样本T检验的方法, 对对手公司事件期内的累计超额收益率CAR进行检验, 结果如表1所示。

(注:**、*分别代表在5%、10%置信水平上显著)

从表1中可看出, 财务重述行为的确存在着较为显著的传染效应。累计超额收益率CAR的均值都小于0, 并在3个事件窗口期内通过了显著性较为明显。在窗口期 (-9, 9) 的显著性最强, 通过了显著性水平为5%的显著性检验, 其均值为-1.48%。在窗口期 (-8, 8) 和窗口期 (-10, 10) 内, 通过了显著性为10%的显著性检验, 均值分别为-1.14%和-1.29%。从表1中也可以看出, 窗口期内的后3天通过了显著性检验。这说明财务重述的传染效应不会在重述公告日后立即发生, 也说明较长的窗口期能够获取更多的信息量。

结合图2、图3和表1可知, 财务重述的公布, 的确会引起同行业未发生重述的对手公司股价的下降, 产生了传染效应, 前文的假设得到了验证。

参考文献

[1]陈晓敏.中国上市公司年报财务重述的行业效应研究[J].改革与战略, 2011 (5) :139-157.

[2]毛志宏, 荣华.上市公司财务报告重述的经济后果研究[J].当代经济研究, 2010 (10) :54-58.

金融传染效应 篇5

关键词：资产关联,小世界网络,关联信用风险,延迟效应,传染概率

1 引言

随着市场经济的深入发展,企业之间通过交易、担保、交叉持股、企业控制人间的亲缘关系等形成了错综复杂的关联关系。关联关系可以促进企业自身的发展,但同时也为企业的经营埋下了隐患。一旦关联关系网络中某些企业出现经济困难或者破产,与其关联的企业也可能陷入经济困境。因此,研究信用风险在关联企业之间的传染效应和规律,对于预防和控制关联企业之间信用风险的传染,促使企业健康发展具有重要的现实意义。

在存在某种关联关系(如资产关联、交易关联或人际关联等等)的企业之间,如果其中一些企业违约,导致与之关联的其他企业违约或者违约概率增大,则称这类信用风险为企业之间的关联信用风险。存在关联关系的企业简称为关联企业。在现实中,关联企业之间有的存在直接的资产关联关系,而大多数关联企业之间存在间接的关联关系,其中,间接关联关系指企业之间可以经过几次关联形成的关联关系。在由关联企业构成的网络结构中,“关联度”一般指与该企业存在直接资产关联关系的其他企业的数量。如果网络中大部分企业彼此并不相连,但绝大部分企业之间可通过直接关联关系和间接关联关系相连,称具有此类特征的网络结构为“基于企业关联关系的小世界网络”[1]不仅可以刻画出企业之间关联关系所表现的特征,而且也简化了关联关系结构的复杂性。本文拟研究企业之间存在资产关联关系的情况,并假设企业间通过资产关联形成的复杂网络结构为小世界网络。其中,企业之间的资产关联是指企业之间通过交叉持股、债务关联、信用担保或互保以及信用衍生品等资产所形成关联关系。如文献[2]发现上世纪90年代德国企业间的股权关系网络具有小世界特征。

在由关联企业构成的网络中,当其中某一企业发生信用风险时,如果网络中的其他企业不给予及时援助,则该企业将成为关联信用风险的传染源甚至面临破产;如果该企业被给予了及时的救助,就可能暂时度过难关,关联信用风险的传染将被延迟。因此,当企业发生信用风险时,其他关联企业可能通过采取相应措施避免或延缓关联信用风险的传染。从企业感染上信用风险的时刻到企业爆发信用风险的时间称为信用风险的传染延迟,记为T.企业间的关联关系将影响信用风险的传染强度和深度,特别在爆发经济危机或者金融危机时,关联关系将进一步加重信用风险传染的深度。国内外学者主要从简约模型或者结构模型研究信用风险的传染问题[3,4]。有些学者研究信用风险的特性时嵌入了企业间的关联关系。例如,Li利用Copula函数研究信用资产违约的相关性[5];Neu等在公司资产相依和共同风险因子的条件下建立银行信贷组合的信用风险模型,并用蒙特卡洛模拟法分析其优势[6];刘堃等[7]从企业关联关系和信贷行为角度构建信用风险的预警模型。

学界对复杂网络的研究方兴未艾,复杂网络被广泛地应用于复杂系统的研究中,复杂网络理论的发展也为企业管理提供一种新的研究视角。孙耀吾等从NW小世界网络视角,揭示高技术企业联盟知识扩散特性[8]。陈子凤等研究了9个国家和地区31年间的专利合作数据,实证分析发现研发合作网络具有小世界的特征[9]。汤凌霄等从人员、制度、过程与系统、外部等方面筛选指标,采用网络分析法量化分析银行的操作风险[10]。陆静等利用贝叶斯网络构建商业银行全面风险的拓扑结构,分析了各类指标对全面风险的影响程度[11]。Chuang利用国际清算银行中各个银行的季度报告数据及报告国的债务与GDP比率关系,从复杂网络的视角研究各国主权债的违约风险[12]。马源源等运用SIR模型研究上市公司间所形成的持股复杂网络结构特征,分析网络中遇到随机攻击和蓄意攻击时股市危机的传播过程[13]。管丹辉等[14]运用多智能体仿真方法研究企业集团信用风险的延迟效应。上述文献通过关联关系或复杂网络理论研究了企业的经济特征和风险传播问题,但很少文献研究企业之间关联信用风险的传染和延迟效应,更鲜有学者利用小世界网络并结合传染病模型研究关联信用风险的传染规律。

在企业通过资产关联关系构成的小世界网络中,当其中一些企业发生信用风险发生时,资产关联关系如何影响关联信用风险的传染?关联信用风险传染的延迟效应是否有助于整个企业关联关系网络的稳定?这些问题是当前关联信用风险研究关注的重要问题。本文将利用小世界网络理论和传染病学模型对上述问题进行探讨。首先,在小世界网络的框架下构建企业关联信用风险的传染模型;其次,研究了该网络结构中“非健康”企业的密度与关联信用风险的传染延迟时间及传染概率之间的关系;最后,通过可视化分析,探讨了关联信用风险传染概率的临界值和“非健康”企业的密度。研究发现:关联信用风险传染的强度与三方面相关:一是企业之间资产关联的企业数量;二是关联信用风险传染的延迟时间;三是企业的资产关联比。研究表明:企业之间的资产关联关系一方面有助于相互分担风险,延缓关联信用风险的爆发;另一方面也将加重关联信用风险的传染广度。

2 基于企业关联关系的小世界网络中关联信用风险传染延迟效应

考虑由N个企业构成的基于企业关联关系的小世界网络中,节点表示企业,边表示两个企业之间存在的资产关联关系。设平均关联度为<k>的企业,与其存在资产关联关系的企业之间的所有关联资产的和与它们的总资产的和之比称为企业的资产关联比,记为η.为方便分析,假设小世界网络中的每个企业只能处于以下两种状态之一:

①“健康”状态S:表示企业未被关联信用风险传染,但易感染;

②“非健康”状态I:表示企业已被信用风险传染,并且具有传染性。

在初始时刻,网络中的企业都没有发生信用风险,即每一企业都是健康的,但随着宏观经济环境的恶化或者企业自身经营不善,网络中的某些企业发生了信用风险。关联信用风险的传染使网络中的企业要么处于“非健康”状态要么处于“健康”状态。也就是说,在基于企业关联关系的小世界网络中,“非健康”企业经过有效的救助可以转化为“健康”企业,而“健康”企业受到关联信用风险的传染可能转化为“非健康”企业。设在t时刻,处于“健康”状态的企业在网络中所占的比例称为处于“健康”状态企业的密度,记为s(t);“非健康”状态企业的数量与网络中企业的总数之比称为处于“非健康”状态企业的密度,记为ρ(t),且满足s(t)+ρ(t)=1。当时间t趋于无穷大时,关联信用风险的传染趋于均衡状态,即网络中“健康”和“非健康”企业所占的比例都趋向于某一定值,记ρ为“非健康”企业密度的稳定值。如果在t时刻,一个“健康”企业与“非健康”企业存在资产关联关系,且在t+1时刻,该“健康”企业以概率γ被“非健康”企业传染,则称γ为关联信用风险的传染概率。但它与一般的传染病SIS模型不同,在t时刻“非健康”企业将一直保持“非健康”状态I,但如果对其进行有效的救助,则到t+T+1时刻,“非健康”企业将以概率δ恢复到“健康”状态S,称p=γ/δ为关联信用风险的有效传染概率。为讨论方便,不妨假设一旦对“非健康”企业进行了有效救助,则该“非健康”企业可以恢复到“健康”状态,故δ=1,由此,可用传染概率γ近似有效传染概率p.

根据小世界网络的特征,网络中每一企业的“关联度”近似等于网络的平均关联度,因此,可以假定网络中每一企业的资产关联比都相同。也就是说,资产规模大的企业与其关联的资产较多,资产规模小的企业所联接的资产也较小,从而使得网络中每个企业的资产关联比几乎一样。如果基于企业关联关系的小世界网络中爆发关联信用风险传染,则它的传染强度与企业的平均关联度、资产关联比等相关。同时,由于企业之间通过资产关联关系构成的网络结构的复杂性,以及关联信用风险传染过程的复杂多变性。为更好刻画关联信用风险的传染特征,可假设关联信用风险在网络中的传染是均匀的。运用动力学平均场理论[15],该小世界网络中关联信用风险传染的动力学方程为

其中ρτ(t)(τ=0,1,…,T)为t-τ时刻“非健康”企业的密度,并满足

方程组(1)的第一个方程的右边第一项表示关联信用风险经过传染延迟T后,“非健康”企业以单位速率恢复为“健康”状态S的密度,第二项表示在t时刻网络中产生新的“非健康”企业的密度,它与传染概率、企业的“关联度”(这里用<k>代替)、资产关联比和“健康”企业的密度成比例。式(1)中后面的方程表示在不同时刻,“非健康”企业的密度ρτ(t)之间的转换关系。

命题1如果关联信用风险传染在基于企业关联关系的小世界网络系统(1)处于稳定状态,则关联信用风险的传染概率为企业的平均关联度、资产关联比和关联信用风险传染延迟的函数,即。

证明因为关联信用风险传染在基于企业关联关系的小世界网络中经过若干次演化,系统(1)会进入稳定状态。令ρτ(τ=0,1,…,T)为网络稳定状态时“非健康”企业的密度值,利用稳定状态的条件可知ρ0=ρ1=…=ρT.把上式代入(2)中可得,再结合(1),s(t)+ρ(t)=1及基于企业关联关系的小世界网络稳定的条件,可得。对于ρ,由此知关联信用风险传染概率的临界值为或者。

通过上面的证明发现,关联信用风险的传染概率的临界值γ与其传染延迟、企业的资产关联比和平均关联度相关,或者说关联信用风险的传染延迟受到企业的资产关联比、平均关联度及传染概率的影响。在不考虑传染延迟和资产关联比的情况下,传染概率只取决于企业的平均关联度。如果只忽略关联信用风险传染延迟对传染概率的影响时,传染概率为由此可知企业间的资产关联比增大了关联信用风险传染的强度,也就是说,企业之间的资产关联关系增加了网络的不稳定性。而在同时考虑传染延迟和资产关联比的情形下,显然又降低了网络中关联信用风险的传染概率。这表明企业之间通过资产关联相互分担风险,降低了企业发生关联信用风险的可能性,该结论从另一角度阐释了企业之间的资产关联关系具有积极的经济意义。

命题2如果关联信用风险传染在基于企业关联关系的小世界网络系统(1)中处于稳定状态,则当γ<γc时,基于企业关联关系的小世界网络中未发生信用风险,即ρ=0;当γ≥γc时,“非健康”企业的密度为企业的资产关联比、传染概率、传染延迟和平均关联度的函数,即

由命题1的证明过程可知此结论成立。当基于企业关联关系的小世界网络中发生关联信用风险时,由于关联信用风险传染延迟和资产关联的影响,可发现网络中“非健康”企业的密度ρ<1。由此可见,由于企业之间的资产关联和传染延迟的存在,使得企业之间相互分担风险,或者对“非健康”企业的有效救助,关联信用风险的传染并不能使网络中所有企业都会处于“非健康”状态。这也解释了基于企业关联关系的小世界网络中存在爆发信用风险传染的可能性,但整个网络中的企业不会都破产。

3 关联信用风险传染延迟效应的可视化分析

为了更清楚地研究基于企业关联关系的小世界网络中关联信用风险传染的特征和规律,运用Matlab2013b,可视化分析网络中传染概率随企业的平均关联度与传染延迟的变化关系,以及“非健康”企业的密度变化形式,并对比探讨资产关联对关联信用风险传染的影响。依据实体经济中企业之间的资产关系,本文给定企业的资产关联比η=0.3。

图1描述了在不同的平均关联度<k>1=3,<k>2=6,<k>3=9时,基于企业关联关系的小世界网络中关联信用风险传染概率随传染延迟时间变化的情况。图3刻画了在不同的传染延迟时间T1=4,T2=8,T3=12时,传染概率和网络中企业的平均关联度之间的关系。从图可以发现,网络的平均关联度越大关联信用风险的传染概率越小;传染概率随着传染延迟时间的增大而减少。即增加企业之间“关联度”或者关联信用风险传染延迟时间的延长,都能降低关联信用风险的传染概率。这表明,企业之间通过资产关联分担了关联信用风险,降低了关联信用风险的传染概率,从而延缓关联信用风险传染的发生。因此,在基于企业关联关系的小世界网络中,适当增加建立企业之间的资产关联关系,或者在某企业发生关联信用风险时对其及时救助,都会延缓关联信用风险传染的发生。图4给出了关联信用风险的传染概率与传染延迟、平均关联度的演化关系。结合图1、图3和图4,可知小世界网络中随着企业间资产关联的增多和传染延迟时间的延长,关联信用风险的传染概率趋于稳定,并且爆发关联信用风险传染的可能性也较低。

给定企业的资产关联比和平均关联度的情况下,图5、图7和图8描述了企业的平均关联度为<k>=6时,“非健康”企业的密度随传染延迟时间及传染概率变化的情况。从中可观察到,当传染延迟时间或者传染概率的增大时,网络中“非健康”企业的密度也增大并趋于稳定值。这表明关联信用风险积累的时间越长或者其传染强度比较大时,网络中“非健康”企业的个数也越多,并且趋向稳定于某一定值。同时可知,当传染延迟时间与传染概率同时增大时,“非健康”企业的密度稳定值也越大,但网络中“非健康”企业的密度小于1。也就是说,在基于企业关联关系的小世界网络中爆发了信用风险传染时,并不会使所有企业都能感染信用风险,有些企业对信用风险传染具有一定的免疫性。图1和图2描述了考虑和不考虑资产关联比时传染概率与传染延迟的关系。对比图1和图2发现,二者都是随着传染延迟时间的增大时其传染概率变小,并且趋于稳定值,但是考虑资产关联比的基于企业关联关系的小世界网络中传染概率大于不考虑的情形。

图5和图6刻画了考虑和不考虑资产关联比时小世界网络中“非健康”企业密度随传染延迟变化的情形。从这两图可看出,在考虑和不考虑资产关联比的两种情况下随着传染概率和传染延迟时间的增大,“非健康”企业的密度也增大,并趋于稳定值。但是,在其他条件都一定的情况下,不考虑资产关联比的网络中“非健康”企业的密度远大于考虑资产关联比的情形。也就是说,不考虑资产关联比的基于企业关联关系的小世界网络中低估了关联信用风险的传染概率。因此,在企业信用风险管理中要重视管理企业之间的资产关联,有利于企业更好规避风险。

综上分析可知,在企业管理关联信用风险过程中,对其实施积极审慎的管理,才能较好的规避风险,从而实现企业的经济效益最大化。企业之间通过资产关联关系,实现了风险的相互分担,促使风险一定程度的转移,降低了关联信用风险的发生。企业要处理好资产关联关系,避免关联信用风险的发生,有利于提高企业的经济效益。同时,在企业发生信用风险时要对其及时救助,可避免关联信用风险的进一步蔓延。也要避免关联信用风险延迟时间过长,即对企业可能产生的各种隐患,要及时发现并进行必要的治理,有利于提高基于企业关联关系的小世界网络的健康发展。因此,在现代企业管理中,关联信用风险的防止和治理,具有非常重要的现实意义。

4 结论

金融传染效应 篇6

社会镶嵌理论认为经济人是在社会网络内的互动过程中做出决定的,个人行为和制度镶嵌在社会网络中(Granovetter,1985)。企业间的连锁网络作为一种重要的社会网络,日益受到国内外学者的关注。任兵、区玉辉和彭维刚(2004)认为连锁董事是指一个企业的董事同时也是企业的董事,是企业因连锁董事而形成的企业间联系所构成的企业间网。毛成林、任兵(2005)研究发现企业间的连锁董事网络是影响企业的经济行为的重要因素。国外研究提出上市公司的连锁董事不仅具有监督作用,而且还充当了公司间信息沟通的重要桥梁,并提供专家建议(Ronen and Yaari,2010)。近年来,国内外的学者开始关注并研究企业间的连锁网络是如何影响企业的行为与绩效。相关实证研究表明企业间的兼并与收购决策、投资决策、追溯期权的薪酬惯例、交易所牌价决策等企业行为都可以通过连锁董事网络进行传播(Cai and Sevilir,2009;Cohen et al.,2008;Bizjak et al.,2009;Rao,et al.,2000)。现有研究企业间连锁网络的文献一般都只限于连锁董事网络,很少有涉及监事会与管理层,本文把所研究的企业间的社会网络进行拓展延伸,重点研究“连锁高管网络”。本文所指的“高管”包括公司的董事会成员、监事会成员和管理层成员,并参考已有文献对“连锁董事”的定义做出“连锁高管”的定义:若一个公司的高管同时也在另一个公司任职,则称为“连锁高管”。本文结合中国的经济背景研究研究盈余管理这一会计行为在连锁高管网络间的传染性。与西方国家学者的研究范围及侧重点有所不同,本文把连锁网络的范围从连锁董事网络拓展到连锁高管网络,并重点关注企业的治理结构如独立董事和监事会成员在连锁高管网络中的影响。本文旨在从以连锁高管为代表的社会网络的角度出发,探索中国企业公司治理与会计行为质量之间的关系及特点。

二、理论分析与研究假设

(一)连锁高管网络与盈余管理行为的传染效应

本文主要研究在中国的经济背景下,盈余管理行为是否会在上市公司的连锁高管网络间传染。本文以中国2003年至2009年间发生过财务重述的A股上市公司作为研究切入点。Chiu,Teoh和Tian(2013)的研究通过阅读财务重述的公司重述公告判断出这家公司开始进行盈余管理的第1年,认为从第1年到财务重述报告之日这段期间为“重述期”,并定义“重述期”的第1年为一家公司进行盈余管理行为的“操纵期”。Shi等(2011)的研究则表明,会计行为的传染效应在董事的连锁建立时起至连锁解散之间都是存在的。本文综合参考以上两篇论文的研究,把一家财务重述公司开始进行盈余管理的第1年到财务重述报告之日这段期间定义为“重述期”;同时考虑到盈余管理行为具有一定的隐蔽性,有可能出现在最早的公开信息暴露之前,而盈余管理行一旦开始后很可能延续到下一年,本文把将“重述期”的第1年设为T,将一家重述公司进行盈余管理行为的“操纵期”定义为T-1至T+1这3年,见图(1)。若把盈余管理行为比喻为病毒,本文认为,当重述公司处于“操纵期”时,其盈余管理行为最具传染性。正如病毒具有潜伏期,盈余管理行为也可能具有潜伏期,因此允许盈余管理行为具有2年的潜伏期,即认为若一家重述公司在第t年处于“操纵期”且拥有连锁高管,那么连锁高管在第t年及接下来2年都可能充当“传播媒介”,及t至t+2年都属于重述公司盈余管理行为的“传染期”见图(2)。由此进一步推断,重述公司与其他公司具有连锁高管,且连锁高管的任职期在“传染期”这段期间,那么与重述公司连锁的这家公司以后也很可能进行盈余管理,并导致发生财务重述。Bijak等(2010)的研究表明企业往往会模仿与之有连锁董事的公司所做出的决策。而社会心理学的研究还表明一个组织中个体往往倾向于遵循“社会惯常做法”即使他们知道这种“社会惯常做法”是不对的(Asch,1951)。因此本文认为具有连锁高管的公司之间会相互模仿其会计行为,即会计行为能通过连锁高管网络进行传染,且连锁高管的数目越多,证明企业间的网络链条越多,越有可能加强企业间相互模仿的可能性。因此本文提出如下假设:

H1:若财务重述的公司在“传染期”拥有的连锁高管数目越多,盈余管理行为越有可能通过连锁高管传染,与之相连锁的企业在以后进行盈余管理并导致发生财务重述的可能性越大

(二)连锁独立董事与盈余管理行为的传染效应

卢昌崇和陈仕华(2009)发现2008年中国资本市场超过80%的上市公司有连锁董事,在连锁董事中,连锁独立董事所占比例从2003年至2009年都在65%-70%。弱联结优势理论认为,社会经济特征相类似的个体之间易形成强联结发展起来,而社会经济特征不同的个体之间易形成弱联结。强联结所得到的信息具有较高的“冗余性”和“同质性”,而弱联结更容易充当跨越社会界限获取知识、信息等资源的桥梁,也更可能将某些群体内部的重要信息传递给不属于这些群体的其他个体。公司董事会成员一般分为成内部董事和独立董事。内部董事大部分都参与公司经营管理,日常工作中接触机会多,互相之间的关系就属于公司内的强联结关系,进行治理决策的时候,会出现信息同质化程度高和信息冗余的情况;而独立董事一般为高校教授、法律财会专家等独立的外部人士,与企业内部董事的信息交流相对较少,背景差异较大,且独立董事之间相互交集较少,因此内部董事与独立董事之间的关系以及独立董事之间的关系属于董事网络的弱联结关系。如果独立董事兼任多家公司职位的时候,接触的知识和信息更加多元化和差异化,从而能给公司董事会决策带来更多样化知识、信息和资源,容易充当企业之间的“桥梁”(Cai and Sevilir,2012)。根据结构洞理论,网络中的某个个体与某些个体建立直接联结,但与其他部分个体未发生直接联结,就会形成有洞的结构网络,即所谓的“结构洞”(Burt,1992)。在关系稠密的网络中,每个行动者所能获得的信息都基本相同,存在大量的冗余信息,而在关系比较稀疏的网络中存在一些结构洞,处于结构洞地带的行动者能够得到处于结构洞两端的不同的关系稠密地带的信息,能够得到大量异质性信息,并有利于行动者利用这些差异化的信息取得先行优势或主导地位。在董事网络中,每个公司的非连锁董事与其它公司的董事之间没有直接的联系,而是通过连锁董事的关系间接地交流,那么每个公司董事间不同的网络小群体就构成了整个上市公司董事网络的结构洞。连锁董事提高了整个上市公司董事网络信息的异质化和交流性。独立董事在连锁董事中占有主要地位,因此独立董事因结构洞而获得的信息优势和控制优势比其他普通连锁董事更明显,即作为企业间信息媒介的作用也更为突出。连锁董事是连锁高管的重要组成部分,故连锁独立董事在上市公司的连锁高管网络中也应具有十分突出的地位。因此,本文提出以下假设:

H2:若连锁高管是独立董事,重述公司盈余管理行为通过连锁高管进行传染的可能性更大

(三)连锁监事与盈余管理行为的传染效应

以英美为代表的公司治理结构中没有设置监事会,因此国外关于监事会的职能及作用的研究文献十分有限。监事会是公司的内部监督机构,也是公司重要的治理机构。监事会是由股东大会选举产生,主要职能是对公司的董事会和管理层的经营行为和决策进行有效的监督,以保障财务信息的真实与业务行为的合法。监事会的内部监督机构的性质,使其无权参与公司的日常经营活动。监事会的监督是事后监督,其主要职责在于检查董事会和经理层的经营成果,纠正其中损害股东利益的做法,但并没有直接参与公司决策。本文尝试从非正式公司治理的角度,即社会网络的角度探讨监事会的特殊作用,在连锁高管网络中去研究监事会的地位与对会计行为传染效应的影响。虽然监事会没有直接参与公司的决策,但由于监事会作为企业的监督治理机构,这一独特的角色使其一定程度上代表了企业的治理有效性,及其传达的信息更容易被其他企业认为是公正可信的。当盈余管理行为在连锁监事中传播时,被感染的企业更容易认为这一行为是合理合法的从而接受这一行为。因此本文提出如下假设:

H3:若连锁高管是监事会成员,重述公司盈余管理行为通过连锁高管进行传染的可能性越大

三、研究设计

(一)样本选取与数据来源

本文选取2003年至2009年发生过财务重述的中国A股上市公司及其连锁公司作为总样本,剔除金融机构、数据不全的公司及在研究期间发生过两次及以上财务重述的公司外,剩下共有246家重述上市公司作为有效样本。本文的样本数据为面板数据,以公司代码和年度作为维度,共有2736个样本,本文数据来源于国泰君安CASMAR数据库。

(二)变量定义

(1)因变量。本文的因变量为虚拟变量EM。本文定义若当年样本公司处于“操控期”,其对应的样本的因变量EM则为1,否则为0。也就是说,EM=1的样本公司,必须满足两个条件:(1)这家公司在现在或以后发生了财务重述;(2)当年是这家公司“重述期”的第1年(即T)或第T±1年。(2)自变量。本文设置两个重要的自变量:Emlinkno和Bdlinkno。自变量Emlinkno是指在一家公司在第t年拥有满足以下两个条件的连锁高管的数目:(1)该连锁高管在第t年时任职于另一个EM=1的公司,即属于另一个重述公司的连锁高管;(2)该连锁高管在重述公司的任职期在“传染期”,即t至t+2年。自变量Bdlinkno是指一家公司在第t年的连锁公司数目,即指第t年某家公司通过连锁高管网络与多少家公司发生连锁。(3)控制变量。包括:董事会规模(Boardsize)。Beasley(1996)的研究发现董事会规模与财务报告虚假成正相关。Lipton和Lorsch(1992)也认为,董事会人数越多会增加沟通成本,不利于董事会成员间的交流和合作,容易产生“搭便车”问题;独立董事的比例(Pct_Inddir)。独立董事作为企业重要的监督机制,独立董事比例越高,董事会的独立性越高,从而对管理层的监督能力越强(John and Senbet,1998)。Beekes等人(2004)的研究发现独立董事比例与会计稳健性成正相关;董事长与总经理是否兼职(Duality)。Jensen(1993)研究表明董事长和总经理两职分离会提高董事会的独立性。两职分离会使公司治理中的约束及激励机制增强,促使管理层采用较为稳健的会计,从而提高公司的盈余质量,减少公司操纵盈余的可能性。因此本文控制这一虚拟变量,若董事长和总经理一人兼任表示为1,否则为0;财务杠杆(Leverage)。财务杠杆反映公司的负债水平,本文用资产负债率来表示这一指标。财务杠杆越大,企业有面临更大的偿债风险,因为更有可能进行盈余管理(赵德武等,2008);公司规模(Firmsize)。由于大公司可能面临更大的政治成本,因而其倾向于更加稳健的会计政策(Watts and Zimmerman,1990)。本文控制公司规模这一变量,用总资产的自然对数来表示;公司增长速度(MB)。当一家公司高速增长,其会计政策往往不太稳健(Roychowdhuryand Watts,2007),因此更有可能进行盈余操。Beaver和Ryan(2005)使用期初权益市值与账面值比(MB)计量资产负债表稳健性,发现其与盈余稳健性负相关。因此本文利用变量MB对这一因素进行控制;营运风险(Ret Volatility)。面临较高营运风险的企业往往更有可能进行盈余管理,因此本文用Ret Volatility来控制企业的营运风险,本文Ret Volatility的值为前三年企业的净资产收益率ROE的标准差。Ret Volatility的值越大证明企业营运风险越大,操纵盈余的可能性越大;行业和年度的固定影响。为了使模型更精确,本文对行业和年度的固定影响进行控制。

(三)模型建立

本文参考Chiu,Teoh和Tian(2013)的研究,在其模型的基础上加以改进,得出本文模型:

(1)检验假设1。为检验假设1,本文设计了以下模型:

为了进一步探讨处于“操纵期”的重述公司拥有的非重述连锁公司的数目越多,是否会加强或减弱其盈余管理行为的在连锁高管之间的传染性,本文在模型(1)中加入自变量Emlinkno和自变量Bdlinkno的交乘项,即修改成如下模型:

(2)检验假设2。为了检验假设2,本文设计了以下模型:

(3)检验假设3。为检验假设3,本文设计了如下模型:

四、实证检验分析

(一)描述性统计

描述性统计结果如表(1)所示,本文把样本分成两组,一组是EM=1的样本,一组是EM=0的样本,下面对这两组样本分别进行描述性统计分析。两组样本的董事会规模、公司规模、财务杠杆、独立董事比例等控制变量的平均数相差不大,但可以明显的看到,EM=0的样本组变量Emlinkno的平均数为0.484,最大值为5,而EM=1的样本组变量Emlinkno的平均数为0.716,最大值为10,说明有盈余管理行为且处于“操控期”的重述企业在传染期具有更多的连锁高管,一定程度反映了提出假设1的合理性。另外,EM=0的样本组变量Emlinkno的平均数为3.73,而EM=1的样本组变量Emlinkno的平均数为4.47,说明有盈余管理行为且处于“操控期”的重述公司往往与更多公司发生连锁关系。

(二)相关性分析

如表(2)所示,在对所有自变量和控制变量进行相关性分析时,我们发现所有变量之间并不存在高度共线性,但变量Emlinkno与Bdlinkno的相关系数是所有变量之间最高的,为0.356,说明一般具有较多连锁高管的企业也会和较多的公司具有连锁关系,即连锁高管在不同的公司间分布较分散。

(三)回归分析

模型(1)的Logit回归结果见表(3),从表中我们可以看到,变量Emlinkno的系数为0.116,显著性水平位5%,表明连锁高管的数目与盈余管理行为的传染性存在正相关关系,即一个处于“操控期”财务重述公司在“传染期”的连锁高管数目越多,其盈余管理行为越有可能通过连锁高管网络进行传染,与之相连锁的公司在接下来越有可能也会进行盈余管理并发生财务重述,支持了假设1。变量Bdlinkno的系数为0.107,显著性水平为1%,说明连锁公司的数目与盈余管理行为的传染性存在正相关关系,即一个处于“操控期”财务重述公司在“传染期”的连锁公司数目越多,其盈余管理行为越有可能通过连锁高管网络进行传染,与之相连锁的公司在接下来越有可能也会进行盈余管理并发生财务重述。此外,控制变量中的董事会规模Boardsize系数为负且显著,显著性水平为1%,说明董事会规模越大盈余管理行在连锁高管之间的传染效应越弱。控制变量市值面值比MB系数为正且显著,显著性水平为5%,说明若公司高速增长,其会计政策的稳定性欠缺,更容易通过连锁高管网络受到连锁重述公司盈余管理行为的感染。董事长与总经理是否兼职这一虚拟变量Duality系数为负且显著,显著性水平为1%,说明一人身兼董事长与总经理两职时一定程度上提高了治理效率,使公司反而不易受到连锁重述公司盈余管理行为的感染。模型(2)的Logit回归结果见下表(3)。自变量Emlinkno和自变量Bdlinkno的交乘项系数为正且显著性水平为1%,说明处于“操纵期”的重述公司拥有的非重述连锁公司的数目越多,会加强其盈余管理行为在连锁高管之间的传染性。这表明好的会计行为在连锁高管网络间的传染性相对不良的会计行为的传染性要弱的多,甚至好的会计行为的连锁高管链条会被不良的会计行为所“污染”,反而进一步加强了不良的会计行为的传染性。在中国,社会对财务重述公司的惩罚力度相对于西方国家如美国的企业而言是较轻的,这使财务质量较差的公司得以在市场中广泛存活,并对财务质量较好的公司进行侵染和驱逐,产生“劣币驱逐良币”效应。模型(3)的Logit回归结果见下表(3)。虚拟变量Indep表示连锁高管是否为独立董事,是为1,否则为0。虚拟变量Indep与连锁高管数目Emlinkno的交乘项系数为正且显著性水平为1%,说明连锁高管是独立董事对盈余管理行为在连锁高管网络间的传染性具有影响,且是提高了处于传染期的财务重述公司盈余管理行为通过连锁高管进行传染的可能性。假设2得到验证。这一检验结果证实了独立董事在中国上市公司的连锁高管网络中的重要的“桥梁”作用,印证了独立董事在企业网络中的重要地位。模型(4)的Logit回归结果见下表3。虚拟变量Sup表示连锁高管是否为监事会成员,是为1,否则为0。虚拟变量Sup与连锁高管数目Emlinkno的交乘项系数为正且显著性水平为1%,说明连锁高管是监事会成员对盈余管理行为在连锁高管网络间的传染性具有影响,且是提高了处于传染期的财务重述公司盈余管理行为通过连锁高管进行传染的可能性。假设3得到验证。这一结果表明在中国上市公司中,监事会在非正式企业治理层面,即企业网络层面,发挥着不可忽视的作用。

注:“***”,“**”,“*”分别表示在1%,5%,10%的水平上显著

注:括号里的值表示z统计值;“***”,“**”,“*”分别表示在1%,5%,10%的水平上显著

五、结论

金融控股公司协同效应分析 篇7

遗憾的是, 对于金融控股公司我国还未曾作出确切的规定, 而比较权威的定义是1999年国际三大金融监管部门——国际证监会组织、巴塞尔银行监委会、国际保监会联合颁布的《对金融控股公司的监管原则》中对金融控股公司的定义:在同一控制之下, 主要开展金融业务, 并至少明显在两种以上的银行、保险、证券行业中提供大规模的服务, 同时每类业务的资本要求不同。

金融控股公司的协同效应, 主要源自金融行业理财的综合性以及客户的同一性。基于此, 金融控股公司的协同效应主要体现在以下方面。

1 业务和管理的协同效应

首先是理财的综合性和服务的交叉性。我国商业银行一般都拥有众多的营业网点, 因此具备了良好的客户基础和广阔的营销渠道, 而保险公司、证券公司等则一般不会设置很多网点, 所以金融控股公司的内部各公司之间可通过交叉营销扩展各自的销售网络并提高营业额;其次是管理能力的提升。在日常管理领域商业银行家和投资银行家的技术和才能具有十分广泛的适用性, 这就为管理能力在不同金融子行业中的传输奠定了基础。金融集团如果重视子公司的交流来促进管理才能在各公司之间的传输, 就会提升公司集团的管理能力。

2 信息技术的协同效应

目前, 在金融行业中, 专业技术系统和信息的作用正在日益的显著。然而在专业信息技术系统的建设和维护方面需要投入很多的财力人力, 这笔不小的成本对单个的金融机构来说是一个沉重负担。而金融控股公司则很方便地将下属各个公司组织起来, 负责一起开发专业技术系统和网络通讯系统, 也可以建立共用的数据库, 方便各子公司的数据共享的, 同时也通过这些系统的共享达到降低系统建设和维护成本的目的。

3 产品研发和创新的协同效应

客户需求是推动金融产品创新的最终动力来源。首先, 客户对各类非传统金融产品的需求越来越大, 其次, 客户对通过一家金融集团得到更多金融产品的需求加大。这都为金融产品创新和研发提出了要求, 也为金融集团统一牵头下属金融机构进行研发提供了足够动力。金融集团可以将下属各个金融机构优秀的相关研发人才集中起来, 成立金融集团创新与研发交流中心。而且, 合作研发可以将研发产品的目标定位于向客户提供“一站式”金融超市的服务, 从而提高了金融集团的市场竞争力。

4 品牌和信誉的协同效应

金融行业是一个高收益同时又有着巨大风险的特殊行业, 因此客户对金融机构的品牌和信誉非常看重。一般商业银行都拥有良好的信誉和金牌效应, 控股的金融集团可以借此吸引更多的忠实客户, 来提高下属证券、基金和保险公司的证券、基金及保险等产品的销售规模。一般而言, 资产规模较大的金融集团其信誉和品牌都要远优于那些资产规模较小的金融机构。所以, 中小型金融机构应该尽量通过二级市场融资、发行公司债券、收购兼并等方式成立金融集团, 进而扩大资产规模, 并可提高其信誉及品牌价值。

5 财务的协同效应

5.1 成本的降低

通常成本降低在合并后的金融控股集团中表现在两方面:一是融资成本的降低, 金融控股集团可以利用其信誉方面的优势以更低的成本向其他银行借款或发行金融债券;二是日常开支费用的减少, 金融集团可以撤销不必要的岗位设置以及削减与岗位重复设置相关的费用开支。

5.2 收入的提高

一般来说, 金融集团的规模比合并前任何一个单独的金融机构都要大很多, 这就使其有机会参与之前没有能力参加的大型贷款或投资项目, 因此可以帮助金融集团的收入大幅上涨。

5.3 税负的节约

金融集团税负的节约是根据不同子公司税率不同通过资源整合而实现。税负节约表现在以下两方面:最常见的避税方法是将公司集团的知识产权与商标等转移到低税率的金融机构;另外, 在合并财务报表时下属各金融机构的收入和成本互相冲抵而实现合理避税。其他一些潜在的协同还有根据不同和行业税率的差异合理控制各金融机构规模, 以被兼并金融机构亏损为由争取税收优惠等。

参考文献

[1]张士柏.论金融控股公司[J].证券市场导报, 2001, (3) .

[2]夏斌等.金融控股公司研究[M].北京:中国金融出版社, 2001.

[3]熊波, 王志强等.金融控股公司的理论与实践[M].北京:经济管理出版社, 2002.

[4]陆建明, 孙自立.金融控股集团的协同效应[J].浙江金融, 2002, (7) .

金融传染效应 篇8

1.1 金融创新的微观基础

首先, 微观经济主体对多功能、多样化金融工具的需要是金融创新的源泉。一般而言, 经济越发展经济对货币化程度要求越高, 工商企业等微观经济主体对货币资产轻便、快捷的运作方式要求越高, 从而对币值稳定、风险小的货币及其相关流通手段与价值贮藏手段的多样化需求越大。这种需求就呼唤着新金融工具与手段的出现。正如有些学者在总结金融创新时代时指出的:“需要是发明之母, 如果目前还存在着尚未被满足的需求, 就可能发明一种方法去满足那种需求, 并且这种创新将会成功。”

其次, 金融机构在激烈的金融业竞争中求得生存和发展是金融创新的原动力。随着金融市场不确定性 (风险) 的增加和金融机构之间竞争的加剧, 银行等金融机构的盈利空间被空前地压缩。然而面对经济对多样化、多功能金融产品日益增长的需求, 在趋利避险动机促动下, 在有些国家以银行为代表的金融机构或者利用政府或金融监管当局放松对金融严格监管的有利条件, 或者处心积虑地设法规避政府或金融监管当局对金融业的严格监管与约束, 展开了金融创新活动。

1.2 金融创新的微观经济效应

首先, 金融创新扩大了闲置资金由资金盈余单位流向资金赤字单位并转化为赤字单位投资的融资渠道。一般而言, 银行通过负债类金融产品创新扩大资金来源;通过资产类金融产品创新扩大资产篮子, 进行资产组合, 使资金的运用更为科学;此外, 银行还通过对中间业务产品的创新加强资产与负债、资金来源与资金运用的流动性。

其次, 金融创新扩大了金融资产、负债规模, 使金融机构有充分的空间调整金融产品组合, 分散风险, 改善金融产品流动性和安全性从而使金融产品流动性和安全性管理更好地体现了规模效益。如股票期货 (权) 、股指期货 (权) 等金融创新产品与股票、货币等现货金融产品之间有较强地替代性。而利用股票和货币现货买卖来对现货资产进行调整不仅要经历较长的时滞, 而且还要承担较高的支付清算成本以及因交割时滞而丧失交易机会而造成的机会成本等各种成本。

再次, 金融创新使不同金融机构之间打破了有分业经营的体制, 突破了各自原有的业务领域, 互相参透、互相竞争, 有利于资金市场价格向资金影子价格的回归, 有利于资金在全社会的有效分配。同时金融创新提供了多样化、多功能、高效率的金融产品于金融服务, 使金融资产选择面增大, 有利于满足不同投资者的投资需求与偏好, 有利于促进整个经济的高效运行。

2 金融创新的宏观影响

2.1 金融创新对货币需求及其对货币政策的影响

首先, 金融创新改变了人们的货币需求动机, 从而引起货币须在结构和数量规模方面的变化。一般而言, 金融创新就是在原生金融工具 (Initial Financial Tools) 基础上对某一原生金融工具的功能进行延伸或者对多个原生金融工具的功能进行综合而形成的。然而金融创新产品或金融衍生工具一经形成便成为原生金融工具的替代品 (Substitutes) 。

其次, 金融创新改变了货币的流通速度, 增加的货币需求函数的不稳定性。因为金融创新在很大程度上是M1基础上创造M1的替代品, 所以, 我们用M1需求函数模型来考察金融创新对M1的流通速度乃至M1需求函数自身稳定性的影响。按照凯恩斯货币需求流动性偏好性理论的观点, 货币需求是由交易性和预防性货币需求以及投机需求共同构成的, 交易性和预防性货币需求是收入y的增函数, 投机性货币需求是利率i的减函数, 这种关系可以表示为 (1) 式: =f (y, i) , >0, <0, 其中:M1/P=实际货币余额, y=实际收入, P=价格, i=名义利率。

在凯恩斯看来, M1/P在短期内实际收入y是相当稳定的, 因此, 可视为常量。于是M1 / P=f (y, i) 可变型为 (2) 式M1 / P=f (y, i) 或 (3) 式 (M1 / P) /y =f ( i ) , 而 (3) 式实际上是M1流通速度的倒数, 即 (4) 式y / ( M1/ P ) = ( i ) =v ( i ) 。因为人们对金融创新产品 的需求来自于部分M1转出 (即 M1) 和部分储蓄S转出 (即 S) , 且S= y (i) 。所以人们对金融创新产品 的需求函数会表示为 (5) 式: = M1+ S (、 分别表示M1 和S的转出比例) 。将 (5) 式变型为 (6) 式M*1/P= f (y, i) + y (y, i) , 于是 的流通速度可表示为 (7) 式V*=Py/M*1=1/[ f (i) + y g (i) ]。由 (7) 式我们可以看出, 如果 =1且 =0, 则金融创新不会引起M1流通速度的变化。但是, 若 0且 0时, 在n 1的情况下, 收入y越高, 则M1流通速度越低;相反, 在n 1的情况下, 收入y越低则M1流通速度越高。由于现实生活中、 要受到诸多因素的综合影响, 所以、 具有不稳定性, 从而使货币流通速度乃至货币需求函数也具有不稳定性。

再次, 金融创新弱化了货币当局的利率控制力。随着金融创新活动如火如荼的展开, 金融市场上的利率逐渐由资金供求双方共同决定, 许多货币当局的利率监管措施及其效果大大减弱。金融创新产品种类和数量增加的同时, 衍生金融工具市场也在增加。然而在不同的金融市场上有不同的供需状况, 在有些市场上货币需求的利率弹性会上升, 而另一些市场上却在下降, 从而弱化了凯恩斯主义主张的以利率为中间目标的需求调节型货币政策的效果。

2.2 金融创新对货币供给及其对货币政策的影响

首先, 金融创新是货币供给的乘数效应增大, 同时增强了货币供给的内生性, 这可以通过金融创新条件下的货币供给模型来说明。假设人们愿意持有的通货C、定期存款T以及银行的超前准备金E与活期存款Dd的比率分别为K、t、e, 则有:式 (1) :C=k·Dd;式 (2) T=t·Dd ;式 (3) E=e·Dd。

在没有金融创新的条件下, 由于基础货币B是商业银行的准备金R和人们持有的通货C构成, 即式 (4) B=R+C;如果令活期存款与定期存款的法定准备金分别为rd和rt, 则银行系统所持的总准备金R为:式 (5) R=rd·Dd + rt·t·Dd + e·Dd= (rd + rt·t + e) Dd ;将 (1) 、 (5) 式代入 (4) 式得:式 (6) B=R+C= (rd + rt·t + e + k) ·Dd ;从而有 (7) 式:Dd=[1/ (rd + rt·t + e + k) ]·B。

根据狭义货币供给量定义有 (8) 式:M1=Dd + C, 所以将 (1) 、 (7) 式化入 (8) 得式 (9) M1=Dd + C=[ (1 + k) / ( rd + rt·t + e + k) ]·B。 (9) 式就是在没有金融创新时的M1供给模型。

下面以美国货币市场互助基金份额、货币市场存款帐户、隔日回购协议和隔日欧洲美元等金融创新产品为例, 探讨金融创新条件下M2的货币供给关于模型与M1供给模型的区别。根据M2的定义, 有 (10) 式M2=Dd + C + T + MMF, 其中:T=定期存款, MMF=货币市场互助基金份额、货币市场存款帐户、隔日欧洲美元的和。令T与Dd 的比率为h, MMF与Dd 的比率为l, 则有 (11) 式T=h·Dd 和 (12) 式MMF=l·Dd ;将 (7) (9) (11) 和 (12) 式代入 (10) 式得 (13) 式: M2=Dd+C+T+MMF=[ (1+k+h+l) / ( rd + rt·t + e + k) ]·B。

通过 (9) 式和 (13) 式比较可以看出, 在金融创新条件下的货币供给乘数在分子上比M1的货币乘数多了个h+l, 因为h>0、l>0且都为微观经济主体控制, 所以在其它条件不变的情况下, 金融创新的确加强了货币供给的乘数效应, 扩大了货币供给的内生控制力。此外金融创新货币供给模型 (12) 式中已经包含了M1, 所以M2在总量上很难区分什么是货币, 货币供给的组成中哪一部分是真正意义上的货币, 哪一部分不是真正意义上的货币。如果我们在 (13) 式基础上再推导出M3, M4等货币供给模型, 那么货币的计量甚至定义都很困难, 从而削弱了货币的可测性。

其次, 在金融创新增加了货币流通速度和货币需求函数不稳定性的情况下, 又由于金融创新货币创造的微观经济主体增加, 并且已不局限于中央银行和商业银行, 于是货币创造主体呈现多元化。同时, 金融创新特别是直接融资方式的金融创新, 使商业银行派生存款的机制逐渐弱化。加之回避监管型金融创新使利率限制, 法定保证和信用配给等选择性工具失效等原因, 使中央银行的货币供给总量控制力下降, 从而货币主义主张的以货币总量为中间目标的供给调节型货币政策, 随着货币需求函数稳定性前提的丧失, 其货币政策效应亦有所弱化。

3 金融创新微观最优化与宏观最优化冲突对金融监管的启示

从上面对金融创新微观和宏观两个层面的分析可以看出, 金融创新虽可以为金融机构等微观经济主体带来扩大资产组合、分散风险、增加流动性和增加收入等好处, 但可能给宏观经济的管理者金融监管当局带来货币资产效用弱化、系统性金融风险等不利影响, 危机宏观经济的稳定和宏观经济目标的实现。但是, 我们不不能因此就断言金融创新有益或有害。

金融创新在微观和宏观最优化的矛盾并不是不能解决的, 金融创新本质上是宏观经济管理者, 货币政策制定者政府或金融监管者或货币人员与微观经济主体——微观金融创新主体之间的一场博弈。只有政府或金融监管者和金融创新微观状态共同采取合作的态度, 使政府或金融监管者的金融监管兼顾金融创新微观主体利益, 使金融机构等微观经济体的金融创新不危及宏观经济的稳定与发展, 只有政府或金融监管者监管与金融创新互相促进, 才能够得出有效均衡的博弈解。这就是解决政府或金融监管者监管与金融创新之间的矛盾, 解决宏观最优化和微观最优化冲突的有效方法。

参考文献

[1]Harry D.Hutchinon, “Money, Banking, and the U.S.Economy”Seventh Edition[M].Prentice Hall, Engleuwood Cliffs, 07632, 1992.

[2]Miltion Friedl man, “Monetarist Economics”[M], Basil Blakwell, Inc., Cambridge Center Cambridge, Massachusetts02142, USA, 1991.

[3]弗里德曼著, 高榕译.弗里德曼文粹[M].北京:北京经济学院出版社, 1991.

[4]劳伦斯.哈里斯著, 梁小民译, 货币理论[M].北京:中国金融出版社, 1989.